对于机器学习，一句话
我们正经历着机器学习方法的飞速发展，而且看来如果拥有无限的时间和无限的数据集，亿万层的网络似乎无法解决这个问题。机器学习在处理图像，语音时显示出出色的结果。神经网络可以“记住”在纸上绘制的示例的答案，并预测网球在接触球拍之前将飞向何处。
他们说深度学习，遗传算法和其他新兴学科可以解决任何复杂的问题。显然，这是事实。当然，除非您有很多时间和这个世界的所有数据。
机器学习的最基本方法之一是遗传算法。无疑，伟大的母亲遗传算法在多细胞生命出现之前已经工作了二十亿年。八亿年后，遗传算法建立了一个物种，其代表正在键入文本。我们对30亿年的计算实验有耐心吗，我们可以负担得起吗？
控制论的邪恶根源
— . ", " , , , .
" , , ", — .
. , . , , . " ?". .
, . , , , , , . , , . , .
?
. ?
. . , . ? - ?
? , , . , . , . , . , , . . , , — , .
— . , . , — , . . . . . . , . , — .
. , . . ! , ? , - , . , .
, — . , . ? - . . , , , , . — . , . . — . . , . ? . .
, . . ? — . , . , , . . , , , , . , , , . , . , , , , . , , .
— , — , .
. , . — . , , . , , , . , , .
, ?
, . , . , . . ? , . ! , , , , . , , . .
, , ?
, , . , . ! , .
, , , , . . , , , . . — : , , . . . . . , , , , , , , , . .
— . , . . . , . , .
. . . , , , . .
[1] . , , . . .
. . . . , . , .
? , . . , . . , , , . . . — .
. , , . . .
. . , , , . . , . . , . , , . , , — .
, . , , . , . .
, . , . , . . . . , , . , , .
在构建人工智能时，应该记住，人工神经网络不能解决大多数解决自然神经网络的问题。应当记住，学习和最终的智能是可选的，昂贵的，危险的，高级功能，与像素和单个执行器无关。距今已有数亿年的历史了，直到今天，一切都没有改变，因为控制论的道路就是这样。
[1]维亚切斯拉夫·杜比宁：“大脑与运动”。https://www.youtube.com/watch?v=XNMGhUG3YDA